10 KI Begriffe, die jeder kennen sollte

„Künstliche Intelligenz“ (KI) ist seit den 1950er Jahren in der Informatik bekannt, doch die breite Öffentlichkeit begann erst Ende 2022, verstärkt darüber zu sprechen. Der Grund dafür liegt in den jüngsten Fortschritten im maschinellen Lernen, die zu bedeutenden Durchbrüchen geführt haben und nun nahezu jeden Aspekt unseres Lebens beeinflussen. Um Ihnen zu helfen, in die globale Diskussion einzusteigen, möchten wir einige der häufig verwendeten Begriffe rund um KI erklären und verständlich machen.

Künstliche Intelligenz

Künstliche Intelligenz (KI) ist im Wesentlichen ein hochentwickeltes Computersystem, das in gewisser Weise menschliche Fähigkeiten nachahmen kann, wie zum Beispiel das Verstehen von Sprache, das Treffen von Entscheidungen, das Übersetzen zwischen Sprachen, das Analysieren von Stimmungen und sogar das Lernen aus Erfahrungen. Der Begriff „künstlich“ weist darauf hin, dass diese Intelligenz von Menschen mithilfe von Technologie erschaffen wurde. Oft wird KI mit einem digitalen Gehirn verglichen, obwohl sie keine physische Maschine oder Roboter ist, sondern als Software auf Computern läuft. Diese Systeme arbeiten, indem sie große Mengen an Daten durch Algorithmen verarbeiten – das sind Anweisungen, die dazu dienen, Modelle zu erstellen, die Aufgaben automatisieren, die normalerweise menschliche Intelligenz und Zeit erfordern. Manchmal interagieren Menschen direkt mit einem KI-System, zum Beispiel wenn sie Bing Chat um Hilfe bitten. Häufiger jedoch arbeitet KI unbemerkt im Hintergrund, schlägt Wörter beim Tippen vor, empfiehlt Lieder in Playlists oder liefert relevantere Informationen basierend auf unseren Vorlieben.

Maschinelles Lernen

Wenn das Ziel Künstliche Intelligenz ist, dann ist maschinelles Lernen der Weg dorthin. Es handelt sich um ein Teilgebiet der Informatik, das unter dem Dach der KI angesiedelt ist. Hier bringen Menschen einem Computersystem bei, bestimmte Aufgaben zu erledigen, indem sie es darauf trainieren, Muster zu erkennen und basierend darauf Vorhersagen zu treffen. Während des Trainingsprozesses werden Daten wiederholt durch Algorithmen verarbeitet, wobei jedes Mal verschiedene Eingaben und Rückmeldungen berücksichtigt werden. Dadurch lernt und verbessert sich das System kontinuierlich – ähnlich wie beim Üben von Millionen von Klavierstücken, um in Zukunft die Musik besser interpretieren zu können. Maschinelles Lernen ist besonders nützlich bei Problemen, die mit herkömmlichen Programmiertechniken schwer oder gar nicht lösbar wären, wie zum Beispiel das Erkennen von Bildern oder das Übersetzen von Sprachen. Dafür werden große Mengen an Daten benötigt, die erst in den letzten Jahren durch die zunehmende Digitalisierung und die schnellere, kleinere und leistungsfähigere Computerhardware umfassend genutzt werden konnten. Deshalb haben große Sprachmodelle, die auf maschinellem Lernen basieren – wie Bing Chat und ChatGPT – in jüngster Zeit so stark an Bedeutung gewonnen.

Große Sprachmodelle (LLMs)

Große Sprachmodelle, auch LLMs genannt, nutzen maschinelle Lerntechniken, um Sprache zu verarbeiten und die menschliche Kommunikation nachzuahmen. Diese Modelle basieren auf neuronalen Netzwerken (NNs), die von der Struktur des menschlichen Gehirns inspiriert sind – sie bestehen aus einem Netzwerk von Knoten und Verbindungen, die Neuronen und Synapsen nachbilden. Durch das Training an einer enormen Menge an Textdaten lernen diese Netzwerke, Muster und Beziehungen in der Sprache zu erkennen, was ihnen ermöglicht, menschliche Wörter und Phrasen zu verwenden. Mit ihren Problemlösungsfähigkeiten können sie Sprachen übersetzen, Fragen als Chatbots beantworten, Texte zusammenfassen und sogar Geschichten, Gedichte und Computercode schreiben. Obwohl sie keine eigenen Gedanken oder Gefühle haben, können sie manchmal so klingen, weil sie Muster gelernt haben, die es ihnen erlauben, auf eine Art und Weise zu reagieren, die menschlich wirkt. Entwickler verfeinern diese Modelle häufig weiter, indem sie ein Verfahren namens Verstärkungslernen aus menschlichem Feedback (RLHF) anwenden, das ihnen hilft, noch natürlicher in Gesprächen zu klingen.

Generative KI

Generative KI nutzt die Fähigkeiten großer Sprachmodelle, um nicht nur vorhandene Inhalte zu analysieren oder Informationen bereitzustellen, sondern auch Neues zu erschaffen. Sie lernt Muster und Strukturen in Daten und generiert darauf basierend etwas Ähnliches, aber Eigenständiges. Mit dieser Technologie können Bilder, Musik, Texte, Videos und sogar Code erstellt werden. Sie kann in verschiedenen Bereichen eingesetzt werden, etwa zur Erstellung von Kunstwerken, zum Schreiben von Geschichten, zum Entwerfen von Produkten oder zur Unterstützung von Ärzten bei administrativen Aufgaben. Allerdings kann generative KI auch missbraucht werden, um Fake-News oder realistisch wirkende, aber falsche Bilder zu erzeugen. Deshalb arbeiten Technologieunternehmen an Methoden, um KI-generierte Inhalte eindeutig zu kennzeichnen und erkennbar zu machen.

Halluzinieren

Generative KI-Systeme können Geschichten, Gedichte und Lieder erstellen, aber manchmal möchten wir, dass die Ergebnisse auf tatsächlichen Fakten basieren. Da diese Systeme jedoch nicht in der Lage sind, zwischen Realität und Fiktion zu unterscheiden, können sie fehlerhafte Antworten liefern, die Entwickler als „Halluzinationen“ bezeichnen, oder treffender als „Erfindungen“. Das ist vergleichbar mit dem Phänomen, wenn jemand glaubt, die Umrisse eines Gesichts auf dem Mond zu sehen, und dann behauptet, dass dort ein echter Mann lebt. Entwickler arbeiten daran, diese Probleme durch eine Technik namens „Erdung“ zu beheben, bei der einem KI-System zusätzliche Informationen aus vertrauenswürdigen Quellen zur Verfügung gestellt werden, um die Genauigkeit bei einem bestimmten Thema zu verbessern. Auch können die Vorhersagen eines Systems fehlerhaft sein, wenn das Modell nach seinem Training keine aktuellen Informationen mehr erhält.

Verantwortliche KI

Verantwortungsvolle KI leitet die Gestaltung von Systemen, die auf allen Ebenen – von den maschinellen Lernmodellen über die Software bis hin zur Benutzeroberfläche und den Zugriffsregeln – sicher und fair sind. Dies ist besonders wichtig, da solche Systeme oft damit betraut sind, bedeutende Entscheidungen über Menschen zu treffen, zum Beispiel im Bildungs- oder Gesundheitswesen. Da sie jedoch von Menschen entwickelt und mit Daten aus einer unvollkommenen Welt trainiert werden, können sie bestehende Vorurteile widerspiegeln. Ein wesentlicher Aspekt verantwortungsvoller KI besteht darin, die Daten, die zur Schulung dieser Systeme verwendet werden, genau zu analysieren und Strategien zu entwickeln, um Verzerrungen zu minimieren, damit die Systeme die Gesellschaft insgesamt und nicht nur bestimmte Gruppen besser repräsentieren.

Multimodale Modelle

Ein multimodales Modell kann gleichzeitig mit verschiedenen Arten von Daten oder Modi umgehen. Es kann Bilder betrachten, Geräusche hören und Texte lesen. Es ist ein echter Alleskönner! Indem es diese unterschiedlichen Informationen kombiniert, kann es Aufgaben wie das Beantworten von Fragen zu Bildern bewältigen.

Prompts

Ein Prompt ist eine Anweisung, die in Form von Sprache, Bildern oder Code in ein System eingegeben wird und der KI vorgibt, welche Aufgabe sie ausführen soll. Engineers – und im Grunde alle von uns, die mit KI-Systemen interagieren – müssen sorgfältig formulierte Aufforderungen erstellen, um das gewünschte Ergebnis von den großen Sprachmodellen zu erhalten. Es ist vergleichbar mit einer Bestellung an einer Delikatessentheke: Sie bitten nicht einfach nur um ein Sandwich, sondern spezifizieren, welches Brot Sie möchten und welche Art und Menge an Gewürzen, Gemüse, Käse und Fleisch, um ein Mittagessen zu bekommen, das genau Ihren Vorstellungen entspricht.

Copilots

Ein Copilot ist wie ein persönlicher Assistent, der Sie in verschiedenen digitalen Anwendungen unterstützt, indem er Ihnen bei Aufgaben wie Schreiben, Programmieren, Zusammenfassen und Recherchieren zur Seite steht. Er kann Ihnen auch bei Entscheidungsfindungen helfen und große Datenmengen verständlich machen. Dank der jüngsten Fortschritte in großen Sprachmodellen können Copiloten die natürliche menschliche Sprache verstehen und darauf reagieren, Inhalte erstellen oder Aktionen ausführen, während Sie in verschiedenen Computerprogrammen arbeiten. Diese Copiloten werden mit verantwortungsbewusster KI entwickelt, um sicherzustellen, dass sie sicher und vertrauenswürdig sind und auf sinnvolle Weise eingesetzt werden. Ähnlich wie ein Copilot in einem Flugzeug trägt er nicht die Hauptverantwortung – die liegt bei Ihnen – aber er ist ein Werkzeug, das Ihnen hilft, produktiver und effizienter zu arbeiten.

Plugins

Plugins funktionieren ähnlich wie Apps auf Ihrem Smartphone: Sie erfüllen spezifische Bedürfnisse, die möglicherweise auftreten, und erweitern die Fähigkeiten von KI-Anwendungen, ohne dass das zugrunde liegende Modell verändert werden muss. So ermöglichen sie es beispielsweise Copiloten, mit anderen Softwareprogrammen und Diensten zu interagieren. Plugins können KI-Systemen dabei helfen, neue Informationen abzurufen, komplexe Berechnungen durchzuführen oder mit anderen Programmen zu kommunizieren. Dadurch machen sie KI-Systeme leistungsfähiger, indem sie sie nahtlos mit der restlichen digitalen Welt verbinden.